Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

一萬三千年前的親子時間

葉綠舒
・2011/10/03 ・421字 ・閱讀時間少於 1 分鐘 ・SR值 427 ・四年級

劍橋大學(Cambridge University)的教授Jessica Cooney的團隊,在法國Dordogne的Rouffignac洞窟(the cave of Rouffignac in the Dordogne)發現了一些洞穴壁畫。

這些洞穴壁畫都是用手指頭畫下來的,由於手指印相當細小,應該是小孩的作品。經過專家分析認為,這些壁畫有些是7歲的小孩畫的,有些是5歲的小孩畫的。

七歲小朋友的壁畫(翻攝自BBC)
五歲小朋友的壁畫(翻攝自BBC)

由於有些壁畫的位置相當高(距離地面有7英尺),Cooney博士認為,這些作品應該是小孩被大人抱起來在牆上畫的。

想像一萬三千年前,或許是一個小孩被他的家人抱起來畫圖,或許是幾個小孩在畫圖,其中一個被抱起來畫以後,其他的小孩也搶著說他也要在高的地方畫圖,於是就在牆上留下了圖形。過後這些圖形很幸運的留下來沒有被塗掉,等著我們來發現,原來一萬三千年前的小朋友,跟現在的小朋友,也沒多大不同。

-----廣告,請繼續往下閱讀-----

參考資料:
1. BBC News: Science and Environment 2011/9/29. Archaeologists find ancient ‘cave art’ in the Dordogne

-----廣告,請繼續往下閱讀-----
文章難易度
葉綠舒
262 篇文章 ・ 9 位粉絲
做人一定要讀書(主動學習),將來才會有出息。

0

1
0

文字

分享

0
1
0
拆解邊緣AI熱潮:伺服器如何提供穩固的運算基石?
鳥苷三磷酸 (PanSci Promo)_96
・2025/05/21 ・5071字 ・閱讀時間約 10 分鐘

-----廣告,請繼續往下閱讀-----

本文與 研華科技 合作,泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言,總能牽動整個 AI 產業的神經。然而,我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線,那如果哪天「網路斷了」,會發生什麼事?

想像你正在自駕車打個盹,系統突然警示:「網路連線中斷」,車輛開始偏離路線,而前方竟是萬丈深谷。又或者家庭機器人被駭,開始暴走跳舞,甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎?當然不是!也因為如此,「邊緣 AI」成為業界關注重點。不靠雲端,AI 就能在現場即時反應,不只更安全、低延遲,還能讓數據當場變現,不再淪為沉沒成本。

什麼是邊緣 AI ?

邊緣 AI,乍聽之下,好像是「孤單站在角落的人工智慧」,但事實上,它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前,像是企業、醫院、學校內部的伺服器,個人電腦,甚至手機等裝置,都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算,稱為邊緣運算;而在邊緣節點上運行 AI ,就被稱為邊緣 AI。簡單來說,就是將原本集中在遠端資料中心的運算能力,「搬家」到更靠近數據源頭的地方。

-----廣告,請繼續往下閱讀-----

那麼,為什麼需要這樣做?資料放在雲端,集中管理不是更方便嗎?對,就是不好。

當數據在這些邊緣節點進行運算,稱為邊緣運算;而在邊緣節點上運行 AI ,就被稱為邊緣 AI。/ 圖片來源:MotionArray

第一個不好是物理限制:「延遲」。
即使光速已經非常快,數據從你家旁邊的路口傳到幾千公里外的雲端機房,再把分析結果傳回來,中間還要經過各種網路節點轉來轉去…這樣一來一回,就算只是幾十毫秒的延遲,對於需要「即刻反應」的 AI 應用,比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時,每一毫秒都攸關安全與精度,這點延遲都是無法接受的!這是物理距離與網路架構先天上的限制,無法繞過去。

第二個挑戰,是資訊科學跟工程上的考量:「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送,湧入的資料數據量就像超級大的水流,一下子就把水管塞爆!要避免流量爆炸,你就要一直擴充水管,也就是擴增頻寬,然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理,把重要資訊「濃縮」過後再傳回雲端,是不是就能減輕頻寬負擔,也能節省大量費用呢?

第三個挑戰:系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時,一旦網路不穩、甚至斷線,那怎麼辦?很多關鍵應用,像是公共安全監控或是重要設備的預警系統,可不能這樣「看天吃飯」啊!邊緣處理讓系統更獨立,就算暫時斷線,本地的 AI 還是能繼續運作與即時反應,這在工程上是非常重要的考量。

所以你看,邊緣運算不是科學家們沒事找事做,它是順應數據特性和實際應用需求,一個非常合理的科學與工程上的最佳化選擇,是我們想要抓住即時數據價值,非走不可的一條路!

邊緣 AI 的實戰魅力:從工廠到倉儲,再到你的工作桌

知道要把 AI 算力搬到邊緣了,接下來的問題就是─邊緣 AI 究竟強在哪裡呢?它強就強在能夠做到「深度感知(Deep Perception)」!

-----廣告,請繼續往下閱讀-----

所謂深度感知,並非僅僅是對數據進行簡單的加加減減,而是透過如深度神經網路這類複雜的 AI 模型,從原始數據裡面,去「理解」出更高層次、更具意義的資訊。

研華科技為例,旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例,利用物件偵測模型,快速將工業產品中的瑕疵挑出來,而且由於 AI 模型可以使用同一套參數去檢測,因此品管上能達到一致性,減少人為疏漏。尤其在高產能工廠中,檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品,替工廠節省大量人力,同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。/ 圖片提供:研華科技

此外,在智慧倉儲場域,研華與威剛合作,研華與威剛聯手合作,在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台,打造倉儲系統的 AMR(Autonomous Mobile Robot) 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣,AMR 不需要事先規劃好路線,靠著感測器偵測,就能輕鬆避開障礙物,識別路線,並且將貨物載到指定地點存放。

當然,還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning ),除了可以做備忘錄跟排程規劃以外,還能將實務上碰到的問題記錄下來,等到之後碰到類似的問題時,就能詢問 AI 並得到解答。

你或許會問,那為什麼不直接使用 ChatGPT 就好了?其實,對許多企業來說,內部資料往往具有高度機密性與商業價值,有些場域甚至連手機都禁止員工帶入,自然無法將資料上傳雲端。對於重視資安,又希望運用 AI 提升效率的企業與工廠而言,自行部署大型語言模型(self-hosted LLM)才是理想選擇。而這樣的應用,並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器,體積僅如後背包大小,卻能輕鬆支援語言模型的運作,實現高效又安全的 AI 解決方案。

但問題也接著浮現:要在這麼小的設備上跑大型 AI 模型,會不會太吃資源?這正是目前 AI 領域最前沿、最火熱的研究方向之一:如何幫 AI 模型進行「科學瘦身」,又不減智慧。接下來,我們就來看看科學家是怎麼幫 AI 減重的。

-----廣告,請繼續往下閱讀-----

語言模型瘦身術之一:量化(Quantization)—用更精簡的數位方式來表示知識

當硬體資源有限,大模型卻越來越龐大,「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像:有些畫面細節我們肉眼根本看不出來,刪掉也不影響整體感覺,卻能大幅減少檔案大小。

模型量化的原理也是如此,只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示,什麼是浮點數?其實就是你我都熟知的小數。舉例來說,圓周率是個無窮不循環小數,唸下去就會是3.141592653…但實際運算時,我們常常用 3.14 或甚至直接用 3,也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思! 

然而,量化並不是那麼容易的事情。而且實際上,降低精度多少還是會影響到模型表現的。因此在設計時,工程師會精密調整,確保效能在可接受範圍內,達成「瘦身不減智」的目標。

當硬體資源有限,大模型卻越來越龐大,「幫模型減肥」就成了邊緣 AI 的重要課題。/ 圖片來源:MotionArray

模型剪枝(Model Pruning)—基於重要性的結構精簡

建立一個 AI 模型,其實就是在搭建一整套類神經網路系統,並訓練類神經元中彼此關聯的參數。然而,在這麼多參數中,總會有一些參數明明佔了一個位置,卻對整體模型沒有貢獻。既然如此,不如果斷將這些「冗餘」移除。

這就像種植作物的時候,總會雜草叢生,但這些雜草並不是我們想要的作物,這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在,而動手去清理這些不需要的連結參數或神經元的技術,就稱為 AI 模型的模型剪枝(Model Pruning)。

-----廣告,請繼續往下閱讀-----

模型剪枝的效果,大概能把100變成70這樣的程度,說多也不是太多。雖然這樣的縮減對於提升效率已具幫助,但若我們要的是一個更小幾個數量級的模型,僅靠剪枝仍不足以應對。最後還是需要從源頭著手,採取更治本的方法:一開始就打造一個很小的模型,並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」,是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾(Knowledge Distillation)—讓小模型學習大師的「精髓」

想像一下,一位經驗豐富、見多識廣的老師傅,就是那個龐大而強悍的 AI 模型。現在,他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案,老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」,例如「為什麼我會這樣想?」、「其他選項的可能性有多少?」。這樣一來,小小的學徒模型,用它有限的「腦容量」,也能學到老師傅的「智慧精髓」,表現就能大幅提升!這是一種很高級的訓練技巧,跟遷移學習有關。

舉個例子,當大型語言模型在收到「晚餐:鳳梨」這組輸入時,它下一個會接的詞語跟機率分別為「炒飯:50%,蝦球:30%,披薩:15%,汁:5%」。在知識蒸餾的過程中,它可以把這套機率表一起教給小語言模型,讓小語言模型不必透過自己訓練,也能輕鬆得到這個推理過程。如今,許多高效的小型語言模型正是透過這項技術訓練而成,讓我們得以在資源有限的邊緣設備上,也能部署愈來愈強大的小模型 AI。

但是!即使模型經過了這些科學方法的優化,變得比較「苗條」了,要真正在邊緣環境中處理如潮水般湧現的資料,並且高速、即時、穩定地運作,仍然需要一個夠強的「引擎」來驅動它們。也就是說,要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型,真正放到邊緣的現場去發揮作用,就需要一個強大的「硬體平台」來承載。

-----廣告,請繼續往下閱讀-----

邊緣 AI 的強心臟:SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器,就是扮演「邊緣 AI 引擎」的關鍵角色!那麼,它到底厲害在哪?

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要?因為 GPU 的設計,天生就擅長做「平行計算」,這正好就是 AI 模型裡面那種海量數學運算最需要的!

你想想看,那麼多數據要同時處理,就像要請一大堆人同時算數學一樣,GPU 就是那個最有效率的工具人!而且,有多張 GPU,代表可以同時跑更多不同的 AI 任務,或者處理更大流量的數據。這是確保那些科學研究成果,在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎!

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房,有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計,體積相對緊湊,散熱空間也比較好(這對高功耗的 GPU 很重要!),部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算,進行「工程化」,讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格,背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場,系統穩定壓倒一切!你總不希望 AI 分析跑到一半就掛掉吧?這些設計確保了部署在現場的 AI 系統,能夠長時間、穩定地運作,把實驗室裡的科學成果,可靠地轉化成實際的應用價值。

-----廣告,請繼續往下閱讀-----
研華的 SKY-602E3 塔式 GPU 伺服器,體積僅如後背包大小,卻能輕鬆支援語言模型的運作,實現高效又安全的 AI 解決方案。/ 圖片提供:研華科技

台灣製造 × 在地智慧:打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能,能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署,及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析,還是其他 AI 相關的服務,都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務,讓企業在啟動 AI 專案前,大幅降低前期投入門檻,靈活又實用。

台灣有著獨特的產業結構,從精密製造、城市交通管理,到因應高齡化社會的智慧醫療與公共安全,都是邊緣 AI 的理想應用場域。更重要的是,這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示,這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果,往往已經錯失最佳反應時機。這也是為什麼邊緣 AI,不只是一項技術創新,更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場,就能被有效的「理解」與「利用」,是將數據垃圾變成數據黃金的賢者之石!

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

0

2
1

文字

分享

0
2
1
不靠骨頭也能拼湊完整基因組!用 5700 年前的口香糖解開 DNA 祕密
言蓁
・2020/01/30 ・2191字 ・閱讀時間約 4 分鐘 ・SR值 498 ・六年級

聽說考古學家總是在挖死人骨頭,才能研究史前人類的基因序列?現在可以不用挖骨頭啦!研究口香糖就可以啦。

最近,科學家第一次運用出土的古早味口香糖與上頭的唾液,定序出一位丹麥女性──蘿拉 (Lola) 的完整基因組。

見過蘿拉嗎?如果你沒看過,現在讓你看看。(大誤)圖/© Tom Björklund

骨頭掰掰!丹麥口香糖寫歷史

這塊古早味口香糖出土於丹麥羅蘭島西爾索姆 (Syltholm) 遺址,距今 5,700 年左右。

-----廣告,請繼續往下閱讀-----

鑒於考古出土遺物的性質,絕大部分出土人體的 DNA 採集都是透過骨頭進行,這是科學家首次從非人骨的物體上成功提取完整的古代人類基因,堪稱一大突破。研究人員甚至還在上頭發現大量且多元的古代微生物 DNA ,從細菌、植物到動物等等皆包含在內。

哥本哈根大學 (University of Copenhagen) 全球研究所 (Globe Institute) 副教授施若德 (Hannes Schroeder) 表示,「可以從人骨外的地方成功提取出完整的古代人類基因組,真的相當令人驚豔。」

出土於丹麥,距今 5,700 年左右的古早味口香糖。圖:Theis Jensen

石器時代也有口香糖?跟你想像可能不一樣

樺木瀝青是一種能透過加熱樺樹皮而獲得的黑褐色物質,加熱後可用於黏著,像是將石刀固定於手柄上,而這項習慣最早可追溯至中更新世(約 750,000 到 125,000 年前)左右。出土的樺木瀝青表面時常存在齒痕,一來可能是因為樺樹皮加熱後冷卻會變硬,所以人們使用前必須將它嚼軟;二來,白樺樹皮具有防腐性,人們會當作藥用,用以防治牙齦疾病。所以,它也扮演了「古早味口香糖」的角色。

-----廣告,請繼續往下閱讀-----

樺木瀝青的製程主要是將樺樹皮在密閉下加熱,並由加熱過後出現的焦油和灰燼組成。圖:WIKI

瀝青碎片在被咀嚼的過程中,它的無菌和疏水特性抑制了微生物和化學降解,讓 DNA 被截取並保留在裡頭,提供了古代人類和非人類生物的 DNA,以及古代人類遺傳、表型、健康狀況等等面向的生存訊息,讓現代人能一窺他們的生活片段。

不是每一次的考古發掘都能發現人類遺體,這種時候,被嚼食過的物體就成了研究人員的唯一指標。不過,在過去,考古學家總懷疑不起眼的它們是否真能提供古代 DNA ?一直到最近,研究者們才真正擁有能從「古代口香糖」提取基因組資訊的工具。從這塊蘿拉的口香糖,他們提取了她的 DNA 和微生物群相,並在當地發現製造工具和屠殺動物的痕跡。除此之外,該處並未發現人類遺骸。

口香糖的碳十四定年結果約落在 5,700 年前,當時丹麥從中石器時代進入了新石器時代,南部和東部地區引入農業,而中石器時期的狩獵採集者的生活習慣也因此受到了干擾。

-----廣告,請繼續往下閱讀-----

古早味口香糖告訴了我們甚麼?

蘿拉雖然身處丹麥中石器到新石器時代的交界,但遺傳上仍完全屬於西方狩獵採集族群,並沒有任何新石器時代農民的血統。這表明當時在斯堪地那維亞南部的新石器農業社群的遺傳影響,可能不像以前所想的那樣迅速及普遍,而當地的狩獵採集者的生存期則比以前想像更長,和農業人口共榮共存,只是沒有情慾流動。

歐洲人的 DNA 交流與組成。圖:WIKI(點圖放大)

和其他古代歐洲狩獵採集者一樣,蘿拉擁有藍眼睛、黑頭髮、黑皮膚,但她的年齡、死亡時間和地點等資訊,研究者都無法得知,因為關於她的一切,都只能從這塊瀝青上既有的基因證據進行推斷

換句話說,蘿拉可能其實是位丹麥阿嬤,而非女孩也說不定。

研究人員從被她嚼食過的樺木瀝青中,推測蘿拉有乳糖不耐症,生前最後一餐是鴨肉和榛果,且患有牙齦疾病。她口中多數的病菌類型都很正常,但也有些具致病性,如:肺炎鏈球菌 (Streptococcus pneumoniae)人類皰疹病毒第四型 (Epstein–Barr virus),不過,發現病菌也不等於她咀嚼這塊口香糖時就患有肺炎、或曾引起過任何人類皰疹病毒第四型的症狀就是了。

-----廣告,請繼續往下閱讀-----

口香糖的逆襲!不起眼的文物也有無價資訊

美國考古學家史蒂文.勒布朗 (Steven LeBlanc) 曾在 2007 年,以咀嚼過的絲蘭纖維,開創了以「非人體材料」獲取人體基因資訊的領域。他表示,這種從瀝青上的人類口水中分離出特定植物和動物 DNA 的能力,使研究人員能夠發掘那些古代人類在考古紀錄上看不見的飲食習慣。

勒布朗亦補充,這次發現提醒了大眾,即使是最不起眼的文物也應加以研究和保存,看似古老的「古早味口香糖」也可能包含無價的資訊,改變人類對過去的認知。

如果想更了解蘿拉的故事,也可以參考以下 News24 World 的影片:

資料來源

原始研究

相關報導

-----廣告,請繼續往下閱讀-----
言蓁
7 篇文章 ・ 212 位粉絲
喜歡貓但不敢紮實去摸,像對所有喜愛的事物,嚮往也懼怕。依賴文字,生存於不被看好的文組,走著忽焉變成資訊的雜食動物。